Vsebina:
• Uvod v strojno učenje
• Pred obdelava podatkov
• Strojno učenje: osnovni regresijski modeli
• Strojno učenje: osnovni klasifikacijski modeli
• Odločitvena drevesa in naključni gozdovi
• Nenadzorovano učenje
• Ocenjevanje modela
• Izboljšava modela (Grid search, cross-validation…)
• Procesi in »pipelines«
• Uvod v globoko učenje
Cilji:
• uporabiti programski jezik Python in knjižnico scikit-learn pri strojnem
• razumeti osnovne principe in metode strojnega učenja
Ciljna skupina:
• vsi, ki jih zanima področje strojnega učenja
• vsi, ki želijo razviti kariero na področju podatkovnih znanosti
Priporočeno predznanje:
• Znanje Pythona
• Poznavanje orodji za analitiko podatkov (pandas, numpy) oziroma udeležba na tečaju Analitika podatkov v Python-u |